Resumen

Actualmente, el estudio sobre los métodos relevantes de descomposición modal variacional (VMD) se centra principalmente en la selección del número de modos descompuestos y el parámetro de ancho de banda utilizando varios algoritmos de optimización. La mayoría de estos métodos utilizan algoritmos tipo genético para analizar cuantitativamente estos parámetros, lo que aumenta los parámetros iniciales adicionales e inevitablemente la carga computacional debido a ignorar las características inherentes del VMD. Desde la perspectiva de localizar la frecuencia central inicial (ICF) durante el proceso de descomposición VMD, proponemos un VMD mejorado con la guía del espectro de negentropía de envolvente para el diagnóstico de fallas en rodamientos, evitando así efectivamente las desventajas de los algoritmos actuales basados en VMD. En primer lugar, la ICF se localiza de manera aproximada mediante el espectro de negentropía de envolvente (ENS) y los modos relacionados con la falla se extraen rápidamente al incorporar

• Materias:Big Data Gestión de riesgos Administración de información Red neuronal Teoría de redes
• Subjects:Big Data Risk management Information management Neural network Network Theory
• Palabras claves:Métodos; Descomposición en modos variacionales; VMD; Algoritmos tipo genético; Frecuencia central inicial; ICF; Espectro de neguentropía de envolvente; Diagnóstico de fallas; Técnica de demodulación de envolvente de Hilbert; Rodamientos; Multicomponentes
• Keywords:Methods; Variational mode decomposition; VMD; Genetic-like algorithms; Initial center frequency; ICF; Envelope negentropy spectrum; Fault diagnosis; Hilbert envelope demodulation technique; Bearings; Multicomponents